docs(README/PROGRESS): 文档收尾，与架构重构代码对齐

1. README 8.3 节：fam-core 配置示例更新（video_dir 生产路径 + chat_handler.qa_url），fam-edge 配置示例对齐新架构（role/usage=qa_fallback、gemini-flash-latest、实际 timeout）
2. README 1.3 节：历史视频积压标记已处理（forward-only）；吞吐不足表述更新（无本地融合）
3. README 5.3 节：改名为云端结构化输出 JSON Schema，描述适配器解析 + format_cloud_result 校验两阶段
4. README 6.2 节：移除融合 timeout 行，num_predict 更新为 512，已知问题改述为专职问答兜底
5. README 10.5/10.6 节：Gemini 模型名修正为 gemini-flash-latest；NVIDIA 验证状态更新为已验证
6. README 12 节：架构重构与双端部署验证纳入已完成；v1.1 待办移除已完成项 1-5，保留单元测试/Tailscale/daily_summaries
7. PROGRESS.md：服务状态表更新（新架构、qwen2.5:7b）；任务进度追加 32-38；技术决策记录追加云端直出直存与 Q&A 降级；聊天链路验证段更新为 run_qa 编排

README.md

@@ -34,10 +34,10 @@
 
 | 问题 | 现状 | 影响 |
 |------|------|------|
-| **llava-phi3 多图单请求失效（已替换）** | 原本地模型 llava-phi3 `analyze_frames` 多图单请求输出长度仅 3~4；**已替换为 qwen2.5:7b**（纯文本模型，专职融合与对话） | 历史遗留描述，新方案下视觉走云端，本地不参与视觉分析，该问题随之消除 |
-| **吞吐不足** | 30s 视频全流程约 19 分钟（关键帧筛选 10min + VLM 5.5min + 融合 3min）；30min/360MB 视频实测 929s | 生产视频每 30 分钟新增一个，处理速度勉强跟上但无余量；改用云端模型后该问题随之缓解 |
+| **llava-phi3 多图单请求失效（已替换）** | 原本地模型 llava-phi3 `analyze_frames` 多图单请求输出长度仅 3~4；**已替换为 qwen2.5:7b**（纯文本模型，专职问答兜底） | 历史遗留描述，新方案下视觉走云端，本地不参与视觉分析，该问题随之消除 |
+| **吞吐不足** | 历史本地模型全流程约 19 分钟（关键帧筛选 10min + VLM 5.5min + 融合 3min）；30min/360MB 视频实测 929s | 已切换到云端 VLM 直出结构化 JSON（无本地融合步骤），吞吐瓶颈转移至云端调用延迟，整体明显改善 |
 | **Tailscale 端口不通** | NAS tailscaled 以 userspace 模式运行（无 TUN 网卡），Oracle 无法反向访问 NAS；当前 NAS→Oracle 走公网 IP | 推送模式已规避反向访问，但流量走公网 |
-| **历史视频积压** | 正式目录 `/volume1/surveillance/Generic_ONVIF-001` 有约 285 个历史视频（~100GB），288 个历史任务已标记 FAILED 避免全量上传 | 切回生产目录前需确认回补策略 |
+| **历史视频积压（已处理）** | 正式目录 `/volume1/surveillance/Generic_ONVIF-001` 原有约 285 个历史视频（~100GB），已切回生产目录并 forward-only 处理：历史任务占位 FAILED，scheduler dedup 自动跳过，仅处理新增视频 | 已解决；生产目录已生效，新视频正常入链 |
 
 **规划方向（新框架）**：**云端大模型负责视觉识别与结构化输出、本地大模型仅做智能问答兜底**。按任务类型分工：
 
@@ -255,9 +255,14 @@ chat_history 独立表
 | `/api/member/list` | GET | 全部成员 |
 | `/media/<path>?token=xxx` | GET | 视频静态服务（token 鉴权，推送模式下备用） |
 
-### 5.3 融合输出 JSON Schema
+### 5.3 云端结构化输出 JSON Schema
 
-三层容错解析：直接 `json.loads` → 提取 markdown fence ` ```json ... ``` ` → 贪婪匹配最大 `{...}`；再过 `validate_schema`（必填字段检查 + 脏数据清洗，`action` 由 AI 自由生成无枚举过滤，`is_attention_event` 由 AI 自行判断，`source_providers` 必须非空数组）。三层全失败 → 任务 FAILED 走重试。
+云端 VLM 直接产出结构化 JSON，经两道处理入库：
+
+1. **适配器内三层容错解析**（`json_parser.parse_vlm_json`）：直接 `json.loads` → 提取 markdown fence ` ```json ... ``` ` → 贪婪匹配最大 `{...}`；失败抛 `VLMOutputInvalidError`
+2. **`format_cloud_result` 归一化/校验**（无模型调用）：`frame_details` 必须为非空列表并做字段类型归一化；`source_providers` 缺失时补为 `[provider]`；`compute_provider` 置为本次成功 provider；`entities_json` 缺失时由 `frame_details` 按人物去重推导；`global_summary` 缺失时格式化拼接生成
+
+任一步骤失败 → 任务 FAILED 走重试。`action` 由 AI 自由生成无枚举过滤，`is_attention_event` 由 AI 自行判断。
 
 ---
 
@@ -278,13 +283,12 @@ chat_history 独立表
 | 参数 | 值 | 依据 |
 |------|-----|------|
 | `OLLAMA_KEEP_ALIVE=-1` | 模型常驻内存 | 消除 55s 冷启动（常驻约 4.3GB，12GB 内存够用） |
-| `num_predict=60` | 限制生成 token | ARM 约 5 tok/s，500 会单帧跑数分钟触发超时 |
-| 视觉/模型 timeout | 600s | 实测 1024px 帧视觉编码 ~36s + 生成 ~12s/60token |
-| 融合 timeout | 300s | — |
+| `num_predict=512` | 限制生成 token | ARM 约 5 tok/s，过长生成会拖慢问答响应 |
+| 视觉/模型 timeout | 600s | 实测 1024px 帧视觉编码 ~36s + 生成 ~12s/60token（问答链路改用 config 中各模型 timeout） |
 | gunicorn（Edge） | `--timeout 1800` | 同步分析模式，默认 30s 会杀 worker |
 | push_timeout（NAS） | 1800s | 覆盖最坏情况（30min 视频实测 929s） |
 
-**已知问题**：原 llava-phi3 多图单请求基本失效（N 张图一次调用输出长度仅 3~4）。**已替换为 qwen2.5:7b**（纯文本模型，专职融合与对话，不涉及视觉多图问题）。
+**已知问题**：原 llava-phi3 多图单请求基本失效（N 张图一次调用输出长度仅 3~4）。**已替换为 qwen2.5:7b**（纯文本模型，专职问答兜底，不涉及视觉多图问题；视频分析已全部由云端 VLM 承担）。
 
 ### 6.3 模型适配器架构
 
@@ -432,54 +436,47 @@ task_id=289（30s 测试片段）全链路打通：推送 5.7MB → Edge 分析
 
 ### 8.3 配置文件要点
 
-**fam-core/config/config.yaml**（NAS）：
+**fam-core/config/config.yaml**（NAS，生产值）：
 
 ```yaml
 scheduler:
-  video_dir: "/volume1/web/sentinel-home-ai/e2e-test"   # 当前指向 E2E 测试目录
-  # 正式目录: /volume1/surveillance/Generic_ONVIF-001（YYYYMMDDAM/PM 两级子目录，
-  # os.walk 递归支持；切回前需处理 285 个历史视频积压，避免全量上传 ~100GB）
+  video_dir: "/volume1/surveillance/Generic_ONVIF-001"   # 生产目录（YYYYMMDDAM/PM 两级子目录）
+  # 285 个历史视频由占位 FAILED 任务占用路径，scheduler dedup 自动跳过（forward-only 模式）
 dispatcher:
   edge_url: "http://129.146.203.203:5000/api/edge/video/push"
   push_timeout: 1800
 chat_handler:
-  ollama_url: "http://129.146.203.203:5000/api/edge/chat"   # 经 Edge 代理
+  qa_url: "http://129.146.203.203:5000/api/edge/chat/ask"   # 问答统一走 Edge 编排（Gemini→NVIDIA→Ollama）
+  timeout: 120
 ```
 
-**fam-edge/config/config.yaml**（Oracle，多模型池配置）：
+**fam-edge/config/config.yaml**（Oracle，多模型池配置，新架构）：
 
 ```yaml
-# 调度模式配置: fallback(顺序降级) 或 ensemble(并行交叉验证)
+# 编排调度模式: fallback(顺序降级, 默认) | ensemble(并行交叉验证)
 orchestrator:
   mode: "fallback"
   overall_timeout: 600
 
-# 关键帧配置
-video:
-  candidate_frames: 30
-  min_key_frames: 5
-  max_key_frames: 12
-  mse_threshold: 500
-  jpeg_quality: 80
-  max_long_edge: 1024
-
-# 多模型池配置（视觉: Gemini → NVIDIA NIM 降级；文本: 本地 Ollama）
+# 多模型池配置（新框架：本地大模型不参与视频分析，仅智能问答兜底）
+# 视频分析链路: 云端 VLM 直出结构化 JSON → Edge format_cloud_result 格式化/校验 → 直存 NAS DB（无本地融合）
+# 智能问答链路: Gemini → NVIDIA → 本地 Ollama（仅两云端都失败才启用本地兜底）
 models:
-  # 1. Google Gemini 1.5 Flash（视觉主）
+  # 1. Google Gemini（视觉主 + 参与问答）
   - provider: "gemini"
-    role: "vision"              # 视觉分析
+    role: "vision"              # 视觉分析 + 问答（vision role 也参与 chat）
     enabled: true
-    model_name: "gemini-1.5-flash"
+    model_name: "gemini-flash-latest"   # v1beta 下 gemini-1.5-flash 会 404
     api_key: "${GEMINI_API_KEY}"
-    timeout: 15
+    timeout: 30
     circuit_breaker:
       enabled: true
       threshold: 3
       cooldown: 600
 
-  # 2. NVIDIA NIM 托管 API（视觉备）
+  # 2. NVIDIA NIM 托管 API（视觉备 + 参与问答）
   - provider: "nvidia"
-    role: "vision"              # 视觉分析
+    role: "vision"              # 视觉分析 + 问答（vision role 也参与 chat）
     enabled: true
     model_name: "meta/llama-3.2-11b-vision-instruct"   # 或 qwen/qwen2-vl-72b-instruct
     base_url: "https://integrate.api.nvidia.com/v1"
@@ -490,13 +487,15 @@ models:
       threshold: 3
       cooldown: 600
 
-  # 3. 本地 Ollama（文本融合 + AI 对话，不参与视觉）
+  # 3. 本地 Ollama（纯文本，仅 Q&A 兜底，不参与视觉分析、不参与云端结果融合）
   - provider: "ollama"
-    role: "text"                # 文本融合 + AI 对话
+    role: "text"                # 仅问答兜底
+    usage: "qa_fallback"        # Gemini/NVIDIA 都失败时才启用
     enabled: true
     model_name: "qwen2.5:7b"
     base_url: "http://localhost:11434"
-    timeout: 60
+    timeout: 120
+    num_predict: 512
     circuit_breaker:
       enabled: false
 ```
@@ -604,7 +603,7 @@ cd fam-ui && streamlit run src/app.py
 | 项目 | 值 |
 |------|-----|
 | API Key | AQ.Ab8RN6I0l8hC7hLnNHRY6qOXdch5CTWczDNlS4c1XrneGHipUQ |
-| 模型 | `gemini-1.5-flash`（生产配置）；`gemini-flash-latest`（curl 验证端点别名） |
+| 模型 | `gemini-flash-latest`（生产配置，v1beta 下 `gemini-1.5-flash` 会 404，故用别名） |
 | 端点 | https://generativelanguage.googleapis.com/v1beta/models/gemini-flash-latest:generateContent |
 | 验证状态 | 2026-08-20 测试可用 |
 
@@ -624,7 +623,7 @@ curl "https://generativelanguage.googleapis.com/v1beta/models/gemini-flash-lates
 | Base URL | `https://integrate.api.nvidia.com/v1` |
 | 默认模型 | `meta/llama-3.2-11b-vision-instruct`（可替换 `qwen/qwen2-vl-72b-instruct`） |
 | SDK | `openai` Python SDK（NIM 兼容 OpenAI API 规范，直接复用） |
-| 验证状态 | 待测（2026-08-20 配置完成，单图连通性验证脚本见 8.3） |
+| 验证状态 | 已验证（2026-08-20 部署验证：`/api/edge/chat/ask` 实测 provider=nvidia，Gemini 超时后 NVIDIA 兜底成功；单图连通性验证脚本见 8.3） |
 
 **环境变量**：
 
@@ -663,11 +662,16 @@ export NVIDIA_API_KEY="nvapi-9cFAdO5xdbwPuxS8KGRTnlVimn1gJzbbbzWNhPwHa_Yl3pTe-Pf
 - 模型基准测试（原 llava-phi3 预热 4.3s PASS，**已替换为 qwen2.5:7b**）；Ollama 常驻内存
 - 架构改为推送模式（NAS 上传整段视频 → Edge 同步分析 → 结果随响应返回）
 - 关键帧自适应帧数 + FFmpeg 快速 seek（6-8x 提速）
-- FAM-Core API 全端点测试通过；端到端聊天链路（Core→Edge→Ollama）验证
+- FAM-Core API 全端点测试通过
 - FAM-UI 部署（Streamlit 1.61.1）
 - 真实视频性能基准（30min/360MB → 929s）
 - **E2E 全链路打通**：task 289 → SUCCESS，monitor_events/event_details 落库正确
 - 可靠性加固：僵尸任务回收、文件日志、datetime 空值兜底、超时按实测调整
+- **架构重构（移除本地融合，云端直出直存）**：
+  - 视频分析链路：云端 VLM（Gemini `gemini-flash-latest` / NVIDIA NIM `llama-3.2-11b-vision-instruct`）直出结构化 JSON → Edge `format_cloud_result` 格式化/校验（无模型调用）→ 直存 NAS DB；本地 Ollama 不再参与视频摘要与融合（`run_text_fusion` 已移除）
+  - 智能问答链路：新增 `chat()` 方法，`run_qa` 按 Gemini → NVIDIA → 本地 Ollama 降级编排；端点 `/api/edge/chat/ask`；NAS Chat-Handler 经 Edge 编排（`qa_url`），不再直连 Ollama
+  - 生产目录已切回 `/volume1/surveillance/Generic_ONVIF-001`，285 历史视频 forward-only 占位跳过
+- **双端部署验证通过**（2026-08-20）：Oracle Edge 7 文件部署 + 重启，`/api/edge/chat/ask` 实测 provider=nvidia（Gemini 超时→NVIDIA 兜底成功）；NAS chat_handler + config 手术式更新 + HUP 重载，插入临时上下文实测 NAS→Edge 编排链路 43s 返回并落库（测试数据已清理）；Edge 日志确认 task 294（360MB）以新架构处理中、三模型健康检查全通过
 
 详细进度见 `PROGRESS.md`。
 
@@ -675,14 +679,9 @@ export NVIDIA_API_KEY="nvapi-9cFAdO5xdbwPuxS8KGRTnlVimn1gJzbbbzWNhPwHa_Yl3pTe-Pf
 
 | # | 任务 | 优先级 |
 |---|------|--------|
-| 1 | 接入云端视觉模型（Gemini `gemini-1.5-flash` + NVIDIA NIM `llama-3.2-11b-vision-instruct`），承担全部视觉分析；本地 Ollama 专职文本融合与 AI 对话（不再参与视觉） | 高 |
-| 2 | 实现 `NvidiaVisionAdapter`（基于 openai SDK，Base64 多图内联，`role: vision`）并在 `build_adapter` 工厂注册 `provider: nvidia` | 高 |
-| 3 | Orchestrator 视觉阶段按 `fallback` 降级 Gemini → NVIDIA NIM，全失败则任务 FAILED；文本阶段固定调本地 Ollama 融合；`compute_provider` / `source_providers` 兼容 `nvidia` 标签 | 高 |
-| 4 | analyze_frames 改逐帧请求（云端模型支持多图，但逐帧更稳；同时解决历史 llava-phi3 多图失效问题，新方案本地 qwen2.5:7b 不参与视觉，该问题随之消除） | 高 |
-| 5 | 切回生产视频目录（/volume1/surveillance/Generic_ONVIF-001），确认历史视频回补策略 | 高 |
-| 6 | 单元测试（JSON parser / circuit breaker / schema 校验） | 中 |
-| 7 | Tailscale 修复（NAS userspace 模式升级，流量不走公网） | 低 |
-| 8 | daily_summaries 每日摘要 | 低 |
+| 1 | 单元测试（JSON parser / circuit breaker / schema 校验） | 中 |
+| 2 | Tailscale 修复（NAS userspace 模式升级，流量不走公网） | 低 |
+| 3 | daily_summaries 每日摘要 | 低 |
 
 ---